機器學習（第十週）--適用大數據的算法

1、隨機梯度下降 批量梯度下降在運用到樣本數據較多的情況下，計算量會非常的大，更適合選用隨機梯度下降方式 批量梯度下降，在計算θ值過程中每次迭代要讀入全體樣本數據，每次計算m個加和項迭代 隨機梯度下降，只考慮一個樣本的計算結果，每次迭代只計算一個樣本的θ迭代 隨機梯度下降 兩種算法迭代方式是不同的 批量梯度下降，每次迭代就會逐漸收斂，最終收斂到中心點 隨機梯度下降，隨機梯度下降收斂過程跟樣本選取有

>>阅读原文<<